Distribusi Gamma dan Link Download File Referensi
https://eu2.contabostorage.com/00f3241116844f24b628f46d81abb929:st1/folder8/8033/1656355681_distribusi_gamma___Matematika.pdf
2026-05-31 15:15:08 - Admin
<style> body{ font-family: Arial, Helvetica, sans-serif; line-height: 1.6; margin:0; padding:0; background:#f9f9f9; color:#333; } header{ background:#4CAF50; color:#fff; padding:20px 10px; text-align:center; } main{ max-width:800px; margin:20px auto; padding:20px; background:#fff; box-shadow:0 2px 4px rgba(0,0,0,0.1); } h1, h2, h3{ color:#2E7D32; } pre{ background:#eee; padding:10px; overflow-x:auto; } table{ width:100%; border-collapse:collapse; margin:10px 0; } th, td{ border:1px solid #ccc; padding:8px; text-align:left; } th{ background:#e8f5e9; } a{ color:#1e88e5; } </style><header> <h1>Distribusi Gamma</h1></header><main> <section> <h2>Pengantar</h2> <p> Distribusi Gamma adalah salah satu distribusi probabilitas kontinu yang banyak dipakai dalam statistik dan teori probabilitas. Distribusi ini berguna untuk memodelkan variabelvariabel yang bersifat positif dan berskala, misalnya waktu menunggu sampai terjadinya <em>k</em> peristiwa dalam proses Poisson, volume curah hujan, atau ukuran partikel dalam ilmu material. </p> <p> Secara umum, distribusi Gamma didefinisikan oleh dua parameter: bentuk (<em>shape</em>) <em>k</em> (atau <em></em>) dan skala (<em>scale</em>) <em></em> (atau <em></em>). Notasi umum: <strong>(k,)</strong>. </p> </section> <section> <h2>Fungsi Kepadatan Probabilitas (PDF)</h2> <p> Fungsi kepadatan probabilitas (PDF) untuk variabel acak <em>X</em> yang berdistribusi Gamma dengan parameter <em>k</em> dan <em></em> adalah: </p> <pre>f(x; k, ) = \frac{x^{k-1} e^{-x/}}{^{k}\,(k)}, \qquad x > 0, \; k>0, \; >0 </pre> <p> Di sini <em>(k)</em> adalah fungsi gamma, yang merupakan ekstensi faktorial ke bilangan real: <em>(k) = (k-1)!</em> untuk <em>k</em> bilangan bulat positif. </p> </section> <section> <h2>Fungsi Distribusi Kumulatif (CDF)</h2> <p> Fungsi distribusi kumulatif (CDF) diberikan oleh fungsi gamma tidak teratur bawah: </p> <pre>F(x; k, ) = \frac{(k, x/)}{(k)}, </pre> <p> di mana <em>(k, x/)</em> adalah fungsi gamma tidak teratur bagian bawah. </p> </section> <section> <h2>SifatSifat Penting</h2> <ul> <li><strong>Mean (ratarata)</strong>: <em>E[X] = k</em></li> <li><strong>Varians</strong>: <em>Var(X) = k</em></li> <li><strong>Skewness</strong>: <em>2/k</em></li> <li><strong>Kurtosis berlebih</strong>: <em>6/k</em></li> </ul> <p> Karena varians berbanding lurus dengan <em>k</em>, semakin besar nilai <em>k</em> atau <em></em>, distribusi menjadi lebih lebar. </p> </section> <section> <h2>Hubungan dengan Distribusi Lain</h2> <table> <thead> <tr><th>Distribusi</th><th>Parameter khusus</th><th>Keterangan</th></tr> </thead> <tbody> <tr><td>Eksponensial</td><td><em>k = 1</em></td><td>Gamma dengan bentuk 1 menjadi distribusi eksponensial.</td></tr> <tr><td>Chisquare</td><td><em>k = /2, = 2</em></td><td>Jika <em> = 2</em> dan <em>k</em> setengah dari derajat bebas, Gamma menjadi chisquare.</td></tr> <tr><td>Erlang</td><td><em>k</em> integer, <em></em> tetap</td><td>Kasus khusus Gamma dengan bentuk bilangan bulat.</td></tr> </tbody> </table> </section> <section> <h2>Penerapan Praktis</h2> <h3>1. Analisis Waktu Kegagalan</h3> <p> Pada teknik keandalan, waktu hingga kegagalan sistem yang mengalami beberapa komponen independen dapat dimodelkan dengan distribusi Gamma. Parameter <em>k</em> mewakili jumlah komponen yang harus gagal, dan <em></em> mewakili ratarata waktu kegagalan tiap komponen. </p> <h3>2. Model Asuransi</h3> <p> Nilai klaim asuransi yang bersifat positif sering kali cocok dengan Gamma karena memiliki ekor yang lebih berat daripada normal, namun tidak terlalu berat seperti distribusi Pareto. </p> <h3>3. Statistik Bayesian</h3> <p> Dalam pendekatan Bayesian, distribusi Gamma sering dipilih sebagai prior untuk parameter laju Poisson atau varians pada model normal. Karena sifat conjugatepriornya, perhitungan posterior menjadi analitis. </p> </section> <section> <h2>Estimasi Parameter</h2> <p> Ada beberapa metode untuk mengestimasi <em>k</em> dan <em></em> dari data sampel: </p> <ol> <li><strong>Maksimum Likelihood (MLE)</strong>: Menyelesaikan persamaan tak linear yang melibatkan fungsi digamma. Software statistik biasanya menyediakan fungsi <code>fitdistr</code> atau <code>gamma.fit</code> untuk ini.</li> <li><strong>Metode Momen</strong>: Menggunakan ratarata <em>\(\bar{x}\)</em> dan varians <em>s</em>: <pre>k = (\bar{x}) / s = s / \bar{x} </pre> </li> <li><strong>Metode Kuantile</strong>: Menyamakan kuantile empiris dengan kuantile teoretik.</li> </ol> </section> <section> <h2>Contoh Implementasi dengan JavaScript</h2> <p>Berikut contoh sederhana untuk menghitung nilai PDF Gamma pada browser:</p> <pre><script>function gamma(z){ // Aproksimasi Lanczos const p = [ 676.5203681218851, -1259.1392167224028, 771.32342877765313, -176.61502916214059, 12.507343278686905, -0.13857109526572012, 9.9843695780195716e-6, 1.5056327351493116e-7 ]; if(z<0.5) return Math.PI/(Math.sin(Math.PI*z)*gamma(1-z)); z -= 1; let x = 0.99999999999980993; for(let i=0;i<p.length;i++) x += p[i]/(z+i+1); const t = z + p.length - 0.5; return Math.sqrt(2*Math.PI)*Math.pow(t, z+0.5)*Math.exp(-t)*x;}function gammaPDF(x, k, theta){ if(x<=0) return 0; return Math.pow(x, k-1) * Math.exp(-x/theta) / (Math.pow(theta, k) * gamma(k));}console.log(gammaPDF(2, 3, 1.5)); // contoh output</script> </pre> </section> <section> <h2>Kesimpulan</h2> <p> Distribusi Gamma adalah alat yang fleksibel untuk memodelkan variabel positif dengan bentuk dan skala yang dapat disesuaikan. Dengan pemahaman tentang sifatsifat matematisnya serta cara mengestimasi parameternya, Gamma dapat diaplikasikan dalam banyak bidang seperti keandalan, keuangan, asuransi, dan statistik Bayesian. </p> <p> Untuk eksplorasi lebih lanjut, silakan merujuk ke buku statistik tingkat lanjut atau dokumentasi paket statistik pada bahasa pemrograman pilihan Anda. </p> </section></main>